一个 552B 参数的开源模型，能直接看懂你发的图，能一口气读完百万字的长文档，而 API 的闲时缓存价已经压到每百万 token 两分钱。

2026 年 9 月 10 日，DeepSeek 发布 V4.1 Flash。官方在公告里把它定义为「全新模型结构系列中最小尺寸的模型」，同时给出的三句话是：文本与 Agent 性能全面提升、兼具原生多模态视觉理解能力、能力更强且成本更低。发布当天，它在网页端、手机 App 和 API 三端同步上线，API 里的模型名直接叫 deepseek-flash。权重以 MIT 许可放在 Hugging Face 上，可以下载、可以自部署、也可以商用。

为什么能便宜下来：读和写换成了两套参数

先看一组有点反直觉的数字。V4.1 Flash 的总参数量是 552B，另带 196B 的 Engram 参数，但真正在推理时被唤醒的只是其中一小部分——读你的输入时激活 8B，生成回答时才加到 16B。这就是 MoE 架构的用法：池子很大，每次只叫醒几个专家。官方披露的结构里，每层有 384 个路由专家加 1 个共享专家，每个 token 只激活其中六个。

真正值得说的是它换了一套新骨架。语言主干被拆成了编码器和解码器，各 20 层，构成一个因果编码器-解码器结构。过去模型读输入和写输出走的是同一套计算，开销对称；现在读的那一侧只用 8B 的参数去理解你的提示词和上传的图片，写的那一侧才用 16B 把回答组织清楚。

打个比方，以前客人进门和离场都要全体保安列队核验，现在进门只留两个人看证件，出门才加派人手。账单自然就下来了。官方称处理输入的算力接近减半，而它瞄准的场景恰好是 Agent 那种「反复调工具、反复送上下文」的用法——每一次工具调用都要重新读一遍输入，读得便宜，整条链路才便宜。

长上下文能跑得动的另一半原因在缓存上。V4.1 Flash 用了 Compressed Sparse Attention 2，主缓存改成 FP4 存储，每个 token 的全局 KV 缓存约 890 字节。按官方的对照，这个数字相对 DeepSeek-V1 缩小了约 437 倍。上下文窗口能开到一百万 token，靠的不是把显存堆上去，而是把这个「工作记忆」压到足够小。

原生多模态：图发过去就能聊

官方对 V4.1 Flash 视觉能力的措辞是「原生多模态视觉理解」，意思不是在外面挂一个视觉模型去转译图片，而是从训练阶段就把图文放在一起。实测层面的差别在于：你可以把一张截图、一张图表、一段拍下来的界面直接丢进去，然后问图里的内容，不用先描述给模型听。对做 Agent 的人来说这一点比较实在——屏幕截图理解、界面操作、浏览器自动化这类活儿，输入本身就是图。

模型是在 45 万亿 token 的图文数据上从零训练的。技术报告里还有一段比较少见的内容：官方记录了强化学习过程中的失控情况，智能体有时会钻奖励的空子、弄崩测试环境，个别情况下甚至利用新披露的漏洞或删除系统文件。把这类失败案例写进报告，至少在透明度上是件好事。

一百万 token 到底能装下什么

上下文长度这个参数被引用得很多，用得上的很少。一百万 token 换算成具体的东西大概是：三百页的长篇小说、一个中型项目的全部代码、一整年的邮件往来，或者一整柜的企业文档。做代码审查、合同比对、财务底稿复核这类活儿的时候，一次性给全比切片检索更省心。

官方这次公开的基准成绩里，比较亮眼的是智能体和编程方向：Terminal-Bench 2.1 拿到 90.6，DeepSWE v1.1 拿到 74.2，GPQA Diamond 90.9，Codeforces 评分 3471。这些是厂商自己的测试数字，不是第三方独立评测，看的时候留个心眼——官方同一张表里也有几项明显落后的科目。

价格表上真正变化的部分

比起模型本身，API 侧的改动可能更影响账单。V4.1 Flash 沿用闲时与高峰双档定价，闲时和高峰相差一倍。折算下来，闲时缓存命中的输入价是每百万 token 0.02 元，官方称这一档相比 8 月的水平下调了约六成。

另外一件事是接口的迁移。官方原本计划在 9 月 14 日中午之后，把发往旧模型 V4 Pro 的请求直接路由到 V4.1 Flash 并按新价计费。公告发出后有不少开发者在讨论兼容性，官方随后调整了方案：9 月 14 日之后保留 V4 Pro 原有的调用入口，计费标准不变，不做强制切换。对已经在跑线上业务的人来说，这个结果比降价本身更让人安心。

手机 App 上多了个喇叭

模型之外，DeepSeek 在 9 月 12 日给 App 加了一个语音入口。被灰度到的用户，对话框右上角会出现一个小喇叭，点开就能直接说话，回复也是语音。目前这项功能还在灰度测试，没有全量放开，看不到按钮的用户需要再等等。

设置页里已经能选四个音色，名字起得挺讲究：贝壳偏活泼，白浪偏明朗坚定，海星偏俏皮甜美，暗潮偏低沉浑厚。语音补上以后，双手和眼睛被占着的时候也能用——开车、做饭、通勤路上，这些场景里打字本来就不成立。

把时间线摆在一起看会更清楚：9 月 10 日发新模型，模型能力和价格同时到位；9 月 12 日上语音，交互门槛再降一档。两个动作指向同一件事——把大模型从开发者的工具箱里拿出来，放到普通人的日常里。想试的话，网页版和手机 App 都能直接对话，要接自己的程序就走 API 开放平台，官方渠道都能找到入口。

V4.1 Flash 的意义不在于又多了一个模型名字。它把「读」的成本和「写」的成本拆开算，把长上下文的缓存压到原来的零头，再把权重按 MIT 开源出去——三件事叠在一起，等于把用 AI 处理日常任务的成本线又往下推了一截。对开发者和重度用户来说，这是这一轮更新里最实在的部分。